全连接层的作用是什么？

问题引入

大家在做图形识别的时候，经常是一大堆的卷积层后面加全连接层，卷积层的作用是特征提取啊之类的，但是为什么基本所有的卷积层之后都要加上全连接层？全连接层的作用是什么？

问题解答

这个问题在知乎上某大佬做了较为详细的分析，这里和大家分享下：

• 全连接层（fully connected layers，FC）在整个卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激活函数层等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的“分布式特征表示”映射到样本标记空间的作用。在实际使用中，全连接层可由卷积操作实现：对前层是全连接的全连接层可以转化为卷积核为1x1的卷积
• FC可在模型表示能力迁移过程中充当“防火墙”的作用，在作者的研究中发现，首先介绍下概念，微调（fine tuning）是深度学习领域最常用的迁移学习技术。针对微调，若目标域（target domain）中的图像与源域中图像差异巨大（如相比ImageNet，目标域图像不是物体为中心的图像，而是风景照），不含FC的网络微调后的结果要差于含FC的网络。因此FC可视作模型表示能力的“防火墙”，特别是在源域与目标域差异较大的情况下，FC可保持较大的模型capacity从而保证模型表示能力的迁移。

简单来说，FC可以在一定程度上保留模型的复杂度。

参考

[1]https://blog.csdn.net/weixin_40903337/article/details/100074878

[2]https://www.zhihu.com/question/41037974/answer/150522307

[3]https://blog.csdn.net/m0_37598482/article/details/81023127

喜欢就关注一下啦~~~